Identifikace člověka podle fotografie dlaně / hřbetu ruky

Simple item page
but.committeeprof. Dr. Ing. Jan Černocký (předseda) Ing. Ivana Burgetová, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen) doc. RNDr. Dana Hliněná, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných, např. ohledně způsobu verifikace dosažených výsledků, prostředí k focení rukou a způsobu realizace tohoto kroku, použití existujících datasetů a jejich vhodnosti či důvodů pro jejich nepoužití. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C - dobře.cs
but.jazykslovenština (Slovak)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHerout, Adamsk
dc.contributor.authorŠtanga, Miroslavsk
dc.contributor.refereeVaško, Mareksk
dc.date.created2024cs
dc.description.abstractTáto práca je zameraná na kontrastívny prístup self-supervised učenia k tvorbe modelu hlbokého strojového učenia, na rozpoznanie osôb podľa fotografie ruky. Práca popisuje základy strojového učenia, použité nástroje a dataset. Metóda bola vypracovaná s použitím knižnice PyTorch. Návrh modelu čerpá inšpiráciu z architektúry metódy SimCLR a jej využitia princípov kontrastívneho učenia reprezentácií. Navrhnutý prístup využíva na optimalizáciu stratovú funkciu triplet loss. Následne je opísaný proces optimalizácie a je porovnaný vplyv jednotlivých hyperparametrov na presnosť modelu. Výsledný model bol trénovaný na 1696 fotografiách rúk a dosahuje presnosť 98% na validačnej sade. Presnosť dosiahnutá použitím self-supervised metódy je vyššia ako presnosť dosiahnutá použitím supervised metódy.sk
dc.description.abstractThis work focuses on using contrastive self-supervised learning method for creating model of deep learning intended for person recognition based on hand photographs. The paper outlines fundamentals of machine learning, utilized tools and dataset. The method was developed using PyTorch library. The proposed model draws inspiration from the SimCLR architecture and its use of contrastive representation learning. The proposed approach utilizes the triplet loss function for optimization. Then the optimization process is described and impact of individual hyperparameters on the model´s accuracy is compared. The resulting model was trained on 1696 hand photos and achieves 98% accuracy on validation set. The accuracy achieved using self-supervised methods is higher than the accuracy achieved using supervised methods.en
dc.description.markCcs
dc.identifier.citationŠTANGA, M. Identifikace člověka podle fotografie dlaně / hřbetu ruky [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.cs
dc.identifier.other154400cs
dc.identifier.urihttp://hdl.handle.net/11012/246569
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectstrojové učeniesk
dc.subjectpočítačové videniesk
dc.subjectneorónové sietesk
dc.subjecttriplet losssk
dc.subjectself-supervised učeniesk
dc.subjectmachine learningen
dc.subjectcomputer visionen
dc.subjectneural networksen
dc.subjecttriplet lossen
dc.subjectself-supervised learningen
dc.titleIdentifikace člověka podle fotografie dlaně / hřbetu rukysk
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2024-06-10cs
dcterms.modified2024-06-17-08:45:55cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid154400en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 21:00:55en
sync.item.modts2025.01.15 15:46:27en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.57 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.pdf
Size:
279.33 KB
Format:
Adobe Portable Document Format
Description:
file appendix-1.pdf
Download
Thumbnail Image
Name:
review_154400.html
Size:
9.64 KB
Format:
Hypertext Markup Language
Description:
file review_154400.html
Download
Collections
2024